MétaCan
Menu
Back to cohort
Record W4408555253 · doi:10.1055/s-0045-1804661

Früherkennung und Screening des Lungenkarzinoms – Empfehlungen der IASLC-Expertengruppe

2025· article· de· W4408555253 on OpenAlexaff
Rudolf M. Huber, Haval Balata, Andrea Borondy Kitts, John K. Field, Claudia I. Henschke, Ella A. Kazerooni, Anna Kerpel-Fronius, Robert L. Smith, Emanuela Taioli, Leonardo Ventura, Stephen Lam, David F. Yankelevitz, Martin C. Tammemägi

Bibliographic record

VenuePneumologie · 2025
Typearticle
Languagede
FieldMedicine
TopicLung Cancer Treatments and Mutations
Canadian institutionsBrock UniversityUniversity of British Columbia
Fundersnot available
KeywordsMedicineGynecology

Abstract

fetched live from OpenAlex

Einleitung: Für die qualitätsgesicherte Etablierung von Früherkennung und Screening des Lungenkarzinoms ist eine global einheitliche Terminologie erforderlich. Einheitliche, unmissverständliche Definitionen für das gesamte multidisziplinäre Team (Hausärzte, Radiologen, Pneumologen, Thoraxchirurgen, Strahlentherapeuten, Pathologen) aber auch für Epidemiologen, Biostatistikern, Gesundheitsökonomen, Versorgungseinrichtungen und Geldgebern sind nötig. Aber die verwendeten Begriffe müssen auch für die Teilnehmer der Vorsorgeprogramme, Patienten und Angehörigen klar verständlich sein. Derzeit verwenden Forscher und Kliniker der verschiedenen Disziplinen und Fachgesellschaften teilweise dieselben Ausdrücke mit unterschiedlicher Bedeutung oder verschiedene Ausdrücke für dieselbe Bedeutung. Methoden: Eine internationale multidisziplinäre Arbeitsgruppe des IASLC-Komitees für Früherkennung und Screening des Lungenkarzinoms hat verschiedene relevante Begriffe in regelmäßigen Treffen analysiert und intensiv diskutiert und Konsensus-Definitionen empfohlen. Dabei wird berücksichtigt, dass die thorakale Bildgebung im Gegensatz zu anderen Früherkennungsprogrammen nicht nur die Lungen und Atemwege, sondern auch die Mediastinalorgane einschließlich der kardiovaskulären Strukturen, Brustwand, Wirbelsäule und Teile des Halses wie des Oberbauches abbildet. Andere relevante Erkrankungen als Differentialdiagnosen und Komorbiditäten sind zu beachten. Schlussfolgerungen: Screeningprogramme wurden in spezifischen Gesundheitssystemen und von unterschiedlichen Disziplinen entwickelt. Entsprechend werden auch die Begriffe z.B. von Epidemiologen, Gesundheitsökonomen oder Radiologen unterschiedlich benutzt. Die dahinterliegende Definition geht in der Kommunikation oft verloren. Für den klinischen Gebrauch, für Patienten und z.B. Hausärzte sollten vor allem Ausdrücke wie falsch-positiv und Überdiagnose vermieden werden. Andere Befunde im Thorax-CT sollten als zusätzliche Befunde bezeichnet werden. Publication History Article published online: 18 March 2025 © 2025. Thieme. All rights reserved. Georg Thieme Verlag KG Oswald-Hesse-Straße 50, 70469 Stuttgart, Germany

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame machine prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.

metaresearch head score (Codex)0.004
metaresearch head score (Gemma)0.007
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Not applicable · Consensus signal: none
GenreCandidate signal: Other · Consensus signal: none
Teacher disagreement score0.004
Threshold uncertainty score0.021

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0040.007
Meta-epidemiology (narrow)0.0010.000
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0020.001
Science and technology studies0.0000.000
Scholarly communication0.0010.001
Open science0.0000.001
Research integrity0.0010.002
Insufficient payload (model declined to judge)0.0030.002

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.039
GPT teacher head0.388
Teacher spread0.349 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designNot applicable
Domainnot available
GenreOther

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations0
Published2025
Admission routes1
Has abstractno

Explore more

Same venuePneumologieSame topicLung Cancer Treatments and MutationsFrench-language works237,207